YAML Header

• Enthält Metadaten für das Dokument
• Beispiel:

Text

Basierend auf markdown:

## Formatierung
*italic* **bold** ~~strikeout~~ `code`
superscript^2^ subscript~2~
[underline]{.underline} [small caps]{.smallcaps}

## Überschriften
# Erste Ebene
## Zweite Ebene
### Dritte Ebene

## Listen
-   Punkt 1 einer Liste
-   Punkt 2
    -   Punkt 2a
    -   Punkt 2b

1.  Nummerierte Liste Punkt 1
2.  Punkt 2.
    Die Zahlen der Liste werden automatisch angepasst.
    
## Quotes
> Gutes Zitat hier.

Code Chunks - Basics

```{r}
mean(c(1, 2, 3, 4, 5))
```

```{r}
#| label: my-plot
#| echo: false
plot(cars)
```

```{python}
import pandas as pd
df = pd.DataFrame({'x': [1, 2, 3]})
print(df)
```

[1] 3

   x
0  1
1  2
2  3

Code Chunks: Anpassung

• Code Chunks können mit verschiedenen Optionen angepasst werden
  • Namen
  • Ausführung
  • Abbildungsoptionen

```{r}
#| label: Beispielchunk
#| echo: true 
#| fig-width: 6
```

Code Chunks: Optionen

Verschiedene Optionen können in den Code Chunks verwendet werden:

Inline Code

• Inline Code wird mit r oder python in Backticks geschrieben:

Der Mittelwert der ganzen Zahlen von 1 bis 5 ist "3".

Visual Editor

• Quarto bietet einen Visual Editor, der die Bearbeitung von Markdown-Dateien erleichtert
• Er kann über das Menü “View” → “Visual Editor” aktiviert werden
• Er ermöglicht eine WYSIWYG-Erfahrung

Übung 1

Zeit zum Üben!

• Laden Sie entweder aufgabe_01.qmd herunter oder erstellen Sie eine neue Quarto-Datei.
• Personalisieren Sie den YAML-Header.
• Laden Sie den “USArrests” Datensatz in R. Dies geht mit data("USArrests").
• Schreiben Sie einen kurzen Einleitungstext für eine Beispielanalyse. Verwenden Sie unterschiedliche Formatierungen.
• Berichten Sie über das Minimum und Maximum einer der Variablen in einem Satz.

Abbildungen

• Beispiel:

data("USArrests")
library(ggplot2)
ggplot(USArrests, aes(x = UrbanPop, y = Murder, color = Assault)) +
  geom_point(size = 3, alpha = 0.8) +
  scale_color_gradient(low = "#56B1F7", high = "#132B43") +
  labs(
    title = "Zusammenhang zwischen Urbanisierung und Mordrate",
    subtitle = "USArrests Datensatz (1973)",
    x = "Anteil Stadtbevölkerung (%)",
    y = "Mordrate pro 100.000 Einwohner",
    color = "Anzahl\nAssault"
  ) +
  theme_minimal(base_size = 14)

Mehrere Abbildungen

• Wir können auch mehrere Abbildungen zusammen einfügen:

Externe Grafiken

• Externe Bilder können mit Markdown-Syntax oder knitr::include_graphics() eingefügt werden:

![Bildbeschreibung](pfad/zum/bild.png){width=50%}

knitr::include_graphics("images/my_plot.png")

![R Logo](https://www.r-project.org/logo/Rlogo.png){width=200px}

Tabellen: In Quarto

• Tabellen können in Quarto mit Markdown-Syntax erstellt werden.
• Beispiel:

Tabellen: In R

• Tabellen können mit vielen Paketen erstellt werden, z.B. kable, gt, flextable oder pander.
• Beispiel mit kable:

data("USArrests")
library(knitr)
kable(head(USArrests), caption = "Erste 6 Zeilen des USArrests Datensatzes") 

Tabellen: Formatierung

• Tabellen können mit verschiedenen Paketen formatiert werden
• Dabei können sehr schöne und anpassbare Tabellen erstellt werden, die auch Visualisierungen enthalten können
• Simples Beispiel mit gt und gtExtras:

::: fragment

Tabellen-Export für Manuskripte

• Tabellen können in verschiedenen Formaten exportiert werden, z.B. LaTeX, HTML oder Word.
• Beispiel mit flextable für eine APA-konforme Tabelle:

library(flextable)
tabelle <- flextable(head(USArrests))

tabelle |>
  save_as_docx("USArrests_table.docx", path = here::here("tables"))

Übung 2

• Verwenden Sie entweder Ihr existierendes Quarto-Dokument oder laden Sie aufgabe_02.qmd herunter.
• Fügen Sie eine Abbildung hinzu, die den Zusammenhang zwischen “UrbanPop” und “Assault” im USArrests Datensatz zeigt.
  • Ändern Sie die Größe der Abbildung.
  • Optional: Speichern Sie die Abbildung und laden Sie als externes Bild ein.
• Fügen Sie eine Tabelle hinzu.
• Versuchen Sie, die Tabelle schöner zu formatieren.

Referenzen

• Referenzen können mit BibTeX-Dateien eingebunden werden.
• Als Beispiel verwenden wir referenzen.bib. Dies müssen wir im YAML-Header angeben:

bibliography: referenzen.bib
csl: apa.csl  # Optional: Style

• Ein Zitat kann dann so aussehen:
  • [@wickham2016] → (Wickham, 2016)
  • @wickham2016 → Wickham (2016)
  • [@wickham2016; @r2023] → (Wickham, 2016; R Core Team, 2023)

BibTeX Beispiel

Eine typische referenzen.bib Datei sieht so aus:

@book{wickham2016,
  title = {R for Data Science},
  author = {Hadley Wickham and Garrett Grolemund},
  year = {2016},
  publisher = {O'Reilly Media},
  isbn = {978-1491910399}
}

@manual{r2023,
  title = {R: A Language and Environment for Statistical Computing},
  author = {{R Core Team}},
  organization = {R Foundation for Statistical Computing},
  address = {Vienna, Austria},
  year = {2023},
  url = {https://www.R-project.org/}
}

Verschiedene Zitierweisen

Referenzen hinzufügen

Manuell in der BibTeX-Datei: - Direkt in referenzen.bib editieren - Google Scholar: “Zitieren” → “BibTeX” kopieren (und DOI hinzufügen)

Zotero Integration: - Better BibTeX Plugin installieren - Auto-Export zu .bib Datei - Sync zwischen Zotero und Quarto

RStudio Visual Editor: - Insert → Citation - Automatisches Hinzufügen zur .bib Datei

Literaturverzeichnis

• Wird automatisch am Ende des Dokuments eingefügt
• Nur zitierte Quellen werden angezeigt
• Anpassung der Position:

# Literatur
::: {#refs}
:::

# Anhang
Weiterer Inhalt nach dem Literaturverzeichnis...

Rechenintensive Chunks

• Teilweise möchten wir Code nicht ausführen, wenn das Dokument gerendert wird
  • z.B. bei rechenintensiven Operationen
  • Ausführung des Codes auf einem Server
  • oder bei Zufallsimulationen
  • oder wenn wir nur den Code zeigen wollen
• Beispiel für die Übung gleich:

data("USArrests")

# Bootstrap durchführen, um Konfidenzintervall einer Regression zu schätzen
n_boot <- 1000
bootstrap_results <- numeric(n_boot)

# Bootstrap durchführen und Zeit messen
system.time({
  for(i in 1:n_boot) {
    # Zufälliges Sampling mit Zurücklegen
    boot_sample <- sample(nrow(USArrests), replace = TRUE)
    boot_data <- USArrests[boot_sample, ]
    
    
    boot_model <- lm(Murder ~ UrbanPop, data = boot_data)
    # Extrahieren der Slope
    bootstrap_results[i] <- coef(boot_model)[2]  
  }
})

# Konfidenzintervall berechnen
ci_lower <- quantile(bootstrap_results, 0.025)
ci_upper <- quantile(bootstrap_results, 0.975) 

Übung 3

• Arbeiten sie entweder in Ihrer existierenden Quarto- Datei weiter oder verwenden Sie aufgabe_03.qmd.
• Fügen Sie eine Referenz zu einem Buch oder Artikel hinzu, den Sie interessant finden.
• Lassen Sie das Literaturverzeichnis am Ende des Dokuments erscheinen.
• Führen Sie eine Regression auf den USArrests Datensatz durch und speichern Sie das Ergebnis. Sorgen Sie dafür, dass der Code nicht ausgeführt wird, wenn das Dokument gerendert wird.
• Optional: Versuchen Sie, das Dokument so zu formatieren, dass es möglichst nah an einen echten Artikel herankommt.

Zusätzliche Vorteile von Quarto - Code-Highlighting

::: {.cell}
::: {.cell-output-display}
![](02_praxis_files/figure-revealjs/unnamed-chunk-10-1.png){width=960}
:::
:::

library(ggplot2)
data(mtcars)
# Create visualization
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point() + theme_minimal()

Zusätzliche Vorteile von Quarto - Tabsets

::: {.panel-tabset}

### Code

Hier könnten Sie R Code einfügen, der eine Abbildung erstellt.

### Figure

ggplot Code hier einfügen

:::

Zusätzliche Vorteile von Quarto - Tabsets

```{r}
library(ggplot2)
data(USArrests)
ggplot(USArrests, aes(x = UrbanPop, y = Assault)) +
  geom_point(color = "#56B1F7", size = 2) +
  labs(
    title = "Zusammenhang zwischen Urbanisierung und Assault-Rate",
    x = "Anteil Stadtbevölkerung (%)",
    y = "Assault pro 100.000 Einwohner"
  ) +
  theme_minimal()
```

Zusätzliche Vorteile von Quarto - Cross-References

Siehe @fig-scatter für den Zusammenhang 
zwischen städtischer Bevölkerung und 
Mordrate.

```{r}
#| label: fig-scatter
#| fig-cap: "Städtische Bevölkerung vs Mordrate"
data("USArrests")
plot(USArrests$UrbanPop, USArrests$Murder)
```

Wie in @tbl-summary gezeigt, beträgt 
die mittlere Mordrate 7.8.

```{r}
#| label: tbl-summary
#| tbl-cap: "Zusammenfassende Statistiken"
kable(summary(USArrests$Murder))
```

Die Analyse in @sec-methods 
erklärt unser Vorgehen. 

## Methoden {#sec-methods}
:::

Zusätzliche Vorteile von Quarto - Conditional Content

::: {.content-visible when-format="html"}
Dies ist nur im HTML-Format sichtbar.
[Interaktives Widget hier]
:::

::: {.content-visible when-format="pdf"}  
Dies ist nur im PDF-Format sichtbar.
Statische Darstellung hier.
:::

::: {.content-hidden when-format="revealjs"}
Dies ist nicht im Reveal.js Format sichtbar.
:::

::: {.content-visible when-profile="advanced"}
Fortgeschrittene Details hier.
:::

::: {.content-visible when-profile="beginner"}  
Einfache  Einführung hier.
:::

# Mit Profil rendern
quarto render --profile advanced
quarto render --profile beginner

Session Info